中软国际教育科技集团充分发挥教育行业总集能力，携手产业生态合作伙伴（腾讯&中软国际云智能业务集团），为高校提供一站式校园信息化建设服务。依托中软国际教育科技集团对教育产业的理解与沉淀，将腾讯优质的高校信息化建设产品及服务引入，联合中软国际云智能业务集团在高校运营服务领域优势，三方创新融合，致力打造中国高校信息化建设标杆服务体系。

本发明提供了一种肠道靶向pH敏感性复凝聚微胶囊传输体系及其制备方法和应用，以羧甲基壳聚糖、阿拉伯胶分别为聚阳离子和聚阴离子构成复凝聚体系，调节pH值，使羧甲基壳聚糖与阿拉伯胶发生复凝聚反应，离心收集复凝聚相，采用京尼平交联，冷冻干燥后即得到所述肠道靶向pH敏感性复凝聚微胶囊传输体系。本发明既可以用于水溶性功能成分的包埋，又可用于脂溶性功能成分的包埋，可保护芯材免受胃液强酸性环境的破坏，将芯材安全输送到肠道进行靶向释放，拓展了复凝聚微囊化技术的实际应用领域。所述肠道靶向pH敏感性复凝聚微胶囊传输体系在模拟胃液中不离解、在模拟肠液中溶胀而具有较强稳定性，且工艺简单、安全、高效，易于大规模化生产。

传统的空穴传输材料——以Spiro-OMeTAD为代表的芳胺类化合物由于其结构多样性、易于调节的前线轨道能级、较好的成膜能力和高的热稳定性与形态稳定性，在多个技术领域也受到了极大的关注。 氮原子的易氧化和有效传输正电荷的能力，使芳胺基团成为强电子给体。然而，由于芳胺的非平面构象及核心氮与芳基之间的扭曲，芳胺化合物大部分是无定形的。这降低了芳胺化合物的电荷载流子迁移率，并导致芳胺化合物需

本发明公开了一种采用基于 Delaunay 三角剖分的空间网络编码的网络传输方法，适用于包含 N 个终端点的传输网络；包括初始化步骤、Delaunay 预处理步骤、形成子矩形步骤、子矩形划分步骤、求平衡前线性规划最优解步骤、调整中继点到平衡位置步骤、求平衡后线性规划最优解步骤和 Delaunay 后处理步骤；通过采用 Delaunay 三角剖分得到斯坦纳点和增补的斯坦纳点作为候选的中继点，并通过非均匀划分得到候选的中继点，从上述候选的中继点中选出最优的中继点，对选出中继点的位置进行微调以进一步降低代价，从而得到采用空间网络编码的网络传输方案，解决现有技术中仅基于非均匀划分的空间网络编码方法中，当中继点与终端点非均匀密度分布时求线性规划最优解时计算量大的问题，进一步有效提升网络传输的总体性能。

本发明公开了一种双碟片串接的泵浦光多程传输系统，该系统 包括第一离轴抛物面反射镜，第一直角反射镜组，其位于所述第一离 轴抛物面反射镜的反射光路上；第一碟片激光晶体，置于第一离轴抛 物面反射镜焦点处；球面反射镜，第二离轴抛物面反射镜，其与所述 第一离轴抛物面反射镜相对于过所述球面镜球心的平面α对称设置； 第二直角反射镜组，其位于所述第二离轴抛物面反射镜反射光路上； 第二碟片激光晶体，其与所述第一碟片激光晶体相对于过所述

种子和果实对于植物的世代交替及人类的农业生产非常重要，双受精是种子产生的前提，其重要的一环涉及到快速生长的花粉管沿着雌蕊内的传输通道（Transmitting Tract）延伸将不可移动的精细胞从柱头运送至胚珠。

能源与环境问题是目前人类面临的两个重大危机，也是科研工作者关注的重点领域。钙钛矿太阳能电池以其独特的物理性质、醒目的光电转化效率和良好的工业应用前景等特点，被认为是一种拥有巨大解决能源问题潜力的光伏器件。但其电池效率衰减(稳定性)等问题是其走向工业化应用急待解决的课题。现行钙钛矿电池比较普遍使用的空穴传输材料是一种比较昂贵的螺二芴结构化合物(spiro-OMeTAD)，需要通过掺杂锂盐以提高电池的性能，但这同时加剧了钙钛矿电池的不稳定性。所以一直以来研究人员希望寻找更加廉价和稳定的空穴传输材料来替代传统材料。 酞菁铜是一种具有优异光电特性的廉价小分子半导体材料。但其有机溶解性比较差，不利于廉价液相工艺规模制备光电器件。许宗祥课题组从分子设计层面出发，开发八甲基取代的酞菁铜并制备纳米材料，通过酞菁纳米材料与廉价商业化的高分子材料聚噻吩复合，开发出了具备更高载流子迁移速率及环境稳定性的空穴传输材料，实现溶液法制备出光电转换效率为16.61%的钙钛矿太阳能电池，效率高于传统商业化的螺二芴结构化合物(spiro-OMeTAD)。同时器件的稳定性大幅度提高。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。